基于中文文本的图像自动分类 研究
Study on the Categorization of Images Using Associated Chinese Text
(申请清华大学工程硕士专业学位论文)
培养单位: 工程领域: 申 请 人 :
计算机科学与技术系 计算机技术 曹红光 孙 茂 松 教 授
指导教师:
二○○九年十一月
基 于 中 文 文 本 的 图 像 自 动 分 类 研 究
曹 红 光
关于学位论文使用授权的说明
本人完全了解清华大学有关保留,使用学位论文的规定,即: 清华大学拥有在著作权法规定范围内学位论文的使用权, 其中包 括: (1)已获学位的研究生必须按学校规定提交学位论文,学校可以 采用影印,缩印或其他复制手段保存研究生上交的学位论文; (2)为 教学和科研目的, 学校可以将公开的学位论文作为资料在图书馆, 资 料室等场所供校内师生阅读,或在校园网上供校内师生浏览部分内 容. 本人保证遵守上述规定.
作者签名: 日 期:
导师签名: 日 期:
摘
要
摘
要
随着互联网及多媒体技术的蓬勃发展, Internet 上各种形式的数字化信息如 图像资源正呈指数级态势增长着.图像能够以更加直观,更容易让人们理解的 方式传递信息, "一幅图胜千言"充分说明了图像在信息传播方面的重要作用. 图像分类是 Web 数据挖掘领域的一个重要的研究方向.通过对图像自动分 类不仅可以将图像按照类别信息建立相应的信息资源库,方便科研人员进行研 究和利用,而且可以用来提高搜索引擎的搜索准确性,便于普通用户查找及使 用,最大程度上满足用户各种需求. 目前基于内容和基于文本的图像分类技术仍存在不少缺陷与不足,分类的 质量不高.本课题即着眼于这一方向对基于文本的图像自动分类方法进行一些 研究. 论文的主要成果如下: 1. 参照大百科全书中文分类体系,从中选取军事,体育,交通,航空航天,电 影,民族,生物学,天文学,考古学,戏曲曲艺 10 个相互之间较为独立的 类别, 以这 10 个类别为基础构建了一个包括 1000 篇文档的中文图文数据集 用于图像自动分类研究. 2. 根据构建的 10 类中文图文数据集进行了一系列基于文本的图像分类实验, 表明综合图像内容与关联文本一起对图像标注类别这种方式是最为合理的; 并在图文数据集上进一步通过交叉验证实验,证明使用支持向量机(SVM) 的分类系统对图像基于全文本进行分类的方法可以达到较满意的分类效果. 3. 本文使用基于图的排序方法在自然语言处理领域的具体实现-TextRank 自动 抽取出文档关键词应用于基于文本的图像分类研究上.实验结果表明,从关 联文本中抽取的关键词包含了图像的重要信息, 适当增加关键词在文档中文 本的所占比例然后将其用于对图像分类, 比同样实验环境下使用全文本在评 测指标 F1-measure 上取得了约 0.1%至 6%的提高; 将关键词用于对图像分类 可以大大降低文本分类特征空间的高维性,降低计算复杂度,减少训练时间 开销和分类过程中无用词语产生的噪声,进而提高分类效率. 关键词 : 图像分类 图像标注 图文数据集 关键词抽取
TextRank
I
Abstract
Abstract

下一页